Efficient Uncertainty Quantification for Large-Scale Biomechanical Models Using a Bayesian Multi-Fidelity Approach

Biehler, Jonas

Jonas Biehler

If you experience problems opening the document, please try this link.

Original title:: Efficient Uncertainty Quantification for Large-Scale Biomechanical Models Using a Bayesian Multi-Fidelity Approach
Translated title:: Effiziente Quantifizierung von Unsicherheiten bei großen biomechanischen Modellen mittels eines Bayesschen multi-fidelity Ansatzes
Author:: Biehler, Jonas
Year:: 2016
Document type:: Dissertation
Faculty/School:: Fakultät für Maschinenwesen
Advisor:: Wall, Wolfgang A. (Prof. Dr.)
Referee:: Wall, Wolfgang A. (Prof. Dr.); Koutsourelakis, Phaedon-Stelios (Prof., Ph.D.)
Language:: en
Subject group:: MAS Maschinenbau; MTA Technische Mechanik, Technische Thermodynamik, Technische Akustik; TEC Technik, Ingenieurwissenschaften (allgemein)
Keywords:: Uncertainty Quantification, Bayesian Analysis, Biomechanics
Translated keywords:: Unsicherheitsquantifizierung, Bayessche Analyse, Biomechanik
TUM classification:: MTA 009d; MTA 309d
Abstract:: In this thesis a probabilistic framework for the analysis of large-scale models with a focus on biomechanics is developed. Data-driven stochastic descriptions of uncertain model input parameters are established and combined with a novel multi-fidelity method for the propagation of uncertainties through the model. Using this approach, models of aortic aneurysms and the lung are investigated, thereby taking parametric uncertainties into account, for the first time.
Translated abstract:: Die vorliegende Arbeit beschäftigt sich mit der Entwicklung eines probabilistischen Ansatzes für die Analyse großer Modelle. Der Fokus liegt dabei auf biomechanischen Modellen. Datengestützte, stochastische Beschreibungen für unsichere Modelleingangsparameter werden etabliert und mit einer neuartigen multi-fidelity Methode zur Berechnung der Fortpflanzung dieser Unsicherheiten im Modell kombiniert. Darauf aufbauend werden in dieser Arbeit erstmals Modelle von Aortenaneurysmen und der Lunge unter Berücksichtigung von parametrischen Unsicherheiten untersucht. «
Die vorliegende Arbeit beschäftigt sich mit der Entwicklung eines probabilistischen Ansatzes für die Analyse großer Modelle. Der Fokus liegt dabei auf biomechanischen Modellen. Datengestützte, stochastische Beschreibungen für unsichere Modelleingangsparameter werden etabliert und mit einer neuartigen multi-fidelity Methode zur Berechnung der Fortpflanzung dieser Unsicherheiten im Modell kombiniert. Darauf aufbauend werden in dieser Arbeit erstmals Modelle von Aortenaneurysmen und der Lunge unter... »
WWW:: https://mediatum.ub.tum.de/?id=1294756
Date of submission:: 23.03.2016
Oral examination:: 15.12.2016
File size:: 10190964 bytes
Pages:: 244
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20161215-1294756-1-1
Last change:: 18.01.2017
BibTeX